La formation réticulée médiane : un substrat pour la sélection de l'action ? modélisation via réseaux de neurones et algorithmes évolutionnistes.

La formation réticulée médiane : un substrat
pour la sélection de l'action ? Modélisation via
réseaux de neurones et algorithmes
évolutionnistes.

Franck Dernoncourt
[e-mail]

Supervisépar Stéphane Doncieux et Benoàýt Girard

Table des matières

Table des matières i

Table des figures iii

1 Introduction 3

1.1 Remarques liminaires 3

1.2 Sélection de l'action 5

1.3 Données anatomiques internes 7

1.4 Démonstration de P(l) > 45 × P(p) 9

1.5 Modèles existants 10

1.5.1 Le modèle de Kilmer-McCulloch - 1969 10

1.5.2 Le modèle de Humphries - 2006 13

1.6 Démarche et objectifs de ce rapport 14

2 Matériel théorique 15

2.1 Les réseaux de neurones 15

2.2 Les algorithmes évolutionnistes 18

2.2.1 Définitions 18

2.2.2 Application 20

3 Tâche désincarnée : la tâche vectorielle abstraite 23

3.1 Expérience 23

3.2 Résultats 26

4 Tâche incarnée : la tâche de survie minimale 31

4.1 Expérience 31

4.2 Résultats 34

5 Discussions et perspectives 40

6 Conclusion 44

Bibliographie 46

TABLE DES MATI`ERES ii

A Notes techniques sur l'implémentation 51

B Exemple d'une mRF a` 4 clusters 53

C Exemple d'un cluster de la mRF 55

Table des figures

1.1 Tronc c'er'ebral chez un cerveau humain (partie en rouge) 4

1.2 Localisation de la mRF 4

1.3 Projections sur et depuis la mRF 4

1.4 Coupes du cerveau au niveau post'erieur du tronc c'er'ebral. 6

1.5 Coupe sagittale de la mRF 8

1.6 mRF et structures smallworld 11

1.7 Modèle de Humphries 13

2.1 Exemple d'un neurone avec 2 entr'ees 16

2.2 Exemple d'une mRF a` 4 clusters 17

2.3 Exemple d'un cluster de la mRF 17

2.4 Fonctionnement d'un algorithme 'evolutionniste 19

2.5 Exemple de front de Pareto de dimension 2 21

2.6 Mono vs multi-objectif 21

3.1 Tâche d'esincarn'ee 24

3.2 Front de Pareto de dimension 2 27

3.3 Front de Pareto de dimension 3 28

3.4 Front de Pareto 2D sans contraintes lors des mutations 29

3.5 Front de Pareto 2D de l''evolution sans aucune contrainte 30

4.1 Environnement de la tâche de survie minimale 32

4.2 Comparaison des contrôleurs al'eatoire et WTA dans la tâche de survie 35
4.3 Front de Pareto 2D de l''evolution d'un contrôleur mRF 36

4.4 Comparaison des contrôleurs dans la tâche de survie 37

4.5 Comparaison des contrôleurs dans la tâche de survie 37

4.6 Front de Pareto 2D de l''evolution d'un contrôleur mRF avec modulation 38
4.7 Front de Pareto 2D de l''evolution d'un contrôleur mRF sans saliences 39

A.1 Statistiques sur le code source 52

B.1 Exemple d'une mRF a` 4 clusters 54

C.1 Exemple d'un cluster de la mRF 56

Résumé

La formation r'eticul'ee m'ediane (mRF) est une r'egion du tronc c'er'ebral recevant des entr'ees sensorielles très riches, en mesure de controler les actions motrices via ses connexions vers la moelle spinale et les nerfs cràaniens. Phylog'en'etiquement, la mRF est l'une des plus anciennes structures nerveuses du tronc c'er'ebral, lui-même 'etant ce qu'on peut consid'erer comme un des centres les plus anciens du système nerveux central. Elle semble donc constituer un proto système de s'election de l'action.

Le premier modèle de la mRF a 'et'e propos'e par [Kilmer et al., 1969], il interprète d'ejàle role de cette r'egion comme un s'electeur de mode de fonctionnement. [Humphries et al., 2005] ont voulu tester l'efficacit'e de ce modèle en tant que m'ecanisme de s'election de l'action de bas niveau en le confrontant a` la tàache de survie minimale propos'ee dans [Girard et al., 2003]. Le modèle original s'est av'er'e peu efficace, ce qui a conduit [Humphries et al., 2006] a` proposer un second modèle exprim'e dans un formalisme de r'eseau de neurones et prenant quelques donn'ees anatomiques et physiologiques suppl'ementaires. N'eanmoins, ce second modèle n'a qu'un succès mitig'e sur la tàache de survie minimale et est assez peu plausible anatomiquement en raison de sa forte abstraction.

Nous proposons dans ce rapport un nouveau modèle de la mRF :

- contraint par les informations anatomiques quant a` sa structuration;

- construit sur la base de r'eseaux de neurones g'en'er'es par 'evolution artificielle; - 'evalu'e sur des tàaches de s'election de l'action.

Le modèle obtenu r'eussit avec succès les tàaches de s'election, ce qui montre que la mRF peut servir de système de s'election de l'action. Nous d'emontrerons 'egalement une propri'et'e anatomique de la mRF qui coupl'ee aux r'esultats de l'article [Humphries et al., 2006] montre qu'il est très probable que la mRF r'eseau ait une structure de type small-world.

Ce projet est financ'e par l'ANR (ANR-09-EMER-005-01) dans le cadre du projet EvoNeuro (http :// pages.isir.upmc.fr/EvoNeuro).

Remerciements

Je souhaite tout d'abord exprimer ma plus profonde gratitude envers mes deux encadrants, Stéphane Doncieux et Benoit Girard: outre leurs précieux conseils indispensables pour mener a` bien ce projet, ils ont suivi avec minutie l'avancée de mes travaux tout au long du stage et leurs exigences élevées m'ont pousséa` donner le meilleur de moi-même. La complémentaritéde leurs compétences, Stéphane étant spécialiste de l'évolution artificielle et Benoit expert en modeles neuro-computationnels de sélection de l'action, revêtit une importance cruciale dans la réalisation des travaux que nous allons présenter dans ce rapport et m'a permis personnellement de gagner considérablement en compétences sur ces deux problématiques en quelques mois seulement.

Je tiens également a` remercier tres chaleureusement Jean Liénard, Tony Pinville et Paul Tonelli, doctorants a` l'ISIR : leur aide généreuse et leurs avis spontanés ont orientémes réflexions vers des chemins plus fructueux, notamment en partageant leurs diverses expériences de these.

Enfin, mes pensées de remerciements vont a` toutes les autres personnes du CogMaster et de l'ISIR avec qui j'ai pu échanger sur mon projet de stage et qui m'ont permis par leurs réflexions de màurir ce projet et d'avancer dans mes recherches, et en particulier a` mon tuteur du CogMaster et d'HEC, Philippe Mongin, dont la gentillesse, la perspicacitéet l'ouverture d'esprit pour ne citer que quelques-unes de ses qualités sont sans limite. Beaucoup de choses n'eurent pas étépossibles sans lui.